摘要：提出一种基于多目标优化的组合模型(CM)，对短期电力负荷需求进行预测.将电力负荷数据预处理后，结合神经网络算法和改进后的多目标蜻蜓算法优化模型的权重。将CM分别通过2018、2019年的电力负荷数据集进行分析验证。在2019年电力负荷时间序列数据集的预测中，CM预测的平均绝对误差百分比MAPE平均值为0.63%，与MAPE最高的H-Elman算法相比低3.28%.结果表明，CM在短期电力负荷预测中具有较高的准确率。对CM与实验分析中涉及的基准模型进行迪堡马里亚诺检验，CM和绝大多数的基准模型得到的统计量值均大于99%的置信概率临界值。

关键词：多目标优化;组合模型;电力负荷;迪堡马里亚诺检验;

基金资助：国家社会科学基金重大项目(21&ZD163)；

原文下载链接：https://kns.cnki.net/kcms2/article/abstract?v=5SxrylDe_POMi5X-HTZVXvt_iqCn9xrNOVYTS2NLxPk4XginSVSJj_HpX3ohlklft4LQHEiJpTsxa40LfF8dMn5jy-iGT65-dEbLpystwmQ4IGOfFSN-n4vlbEhOXQmEFnk8jpUFbVZs8BaecQTzmg==&uniplatform=NZKPT&language=CHS